在量子硬件上计算解析梯度
本文研究了如何直接从量子测量中估计要优化的函数的梯度，提出了一种基于 Pauli 旋转扩展的哈密顿量的梯度估计算法，可适用于带噪声量子门的多量子位参数量子演化。
May, 2020
该研究探讨了混合量子 - 经典优化和学习策略，并提出了一种利用哈密顿在李代数或群论中的代数对称性进行梯度估计的框架，以及使用经典影子重建方法进一步减少测量次数的方法。
Apr, 2024
该论文提出了一个基于梯度下降的优化算法框架，发展了一种计算多元实值函数梯度的量子算法，并提高了计算梯度的复杂性以适应光滑函数的重要类别，而且可以为量子最优化算法提供更快的计算梯度方法。
Nov, 2017
本文探索了在混合量子 - 经典优化的上下文中，利用量子硬件估计期望值所产生的随机梯度下降优化，证明了在很多相关算法，如 VQE、QAOA 和某些量子分类器中使用 $k$ 次测量结果估计期望值的优化算法的收敛性能可以得到严格的理解，本文证明了所有算法都有收敛保证，并在基准 VQE、QAOA 和量子增强机器学习任务上进行了数值探索。
Oct, 2019
本文介绍了一种基于低深度梯度测量和随机梯度下降的变分算法，可以在黑盒优化模型中显著更快地收敛于优解，而且在某些情况下，该算法使用梯度测量比基于估计目标函数本身的策略具有更快的收敛速度，这种算法可以在量子计算、优化和测量等领域发挥重要作用。
Jan, 2019
本文讨论使用空间或时间相关门层的电路模块可以避免梯度消失现象，以实现对大规模问题的高效优化，通过随机可分离电路和基于量子交替操作最优变体的 Grover 算法的例子进行了讨论，对成本函数变化的界限进行了计算，在量子非结构化搜索的最佳 Oracle 复杂度的情况下，成本函数变化的界限表明了梯度消失和有效性之间的过渡。
May, 2020
利用全程可编程的光子芯片首次在光子学中实验估计量子自然梯度（QNG），获得了 He-H$^+$ 阳离子的解离曲线并实现了化学精度，验证了 QNG 优化在光子学设备上的超越性，为利用 QNG 在光子学中实现实用的短期量子应用打开了新的视野。
Oct, 2023
本文提出了一种仅需一个量子电路就能计算量子神经网络梯度的方法，该方法减少了电路深度和经典寄存器数量，同时解决了解决原方法中参数数量较多时所面临的电路调整和重复运行的问题，并在实验中展示了快速编译的优势和缩短总运行时间的速度提升。
Jul, 2023
本文研究了变分量子算法中常用的参数化量子门结构，并基于此导出了新的通用单参数门参数移动规则，并通过与随机参数移位法的组合将这些规则扩展到多参数量子门。作者进行了量子资源需求的系统分析，并且表明高阶导数可以减少资源消耗。作者还使用量子近似优化算法的示例表明了通用参数移位规则在计算许多门输入参数的导数时可以显着减少电路评估次数；此外，我们还通过该方法重建并拓展了 Rotosolve 优化器以及扩展了量子解析下降优化算法。
Jul, 2021